Inteligentne harmonogramowanie zadań lotniczych dla floty UAV z wykorzystaniem technologii algebraiczno-logicznego meta-modelowania w warunkach dynamicznych ograniczeń operacyjnych

Abstract

Dynamiczne harmonogramowanie zadań lotniczych realizowanych przez flotę bezzałogowych statków powietrznych (UAV) wymaga uwzględnienia zmiennej dostępności przestrzeni powietrznej, zasobów operacyjnych i zakłóceń wpływających na realizację misji. W rozprawie zaproponowano kaskadowy formalizm oparty na technologii Algebraiczno-Logicznego Meta-Modelowania (ALMM), opisujący harmonogramowanie jako dyskretny, wieloetapowy proces decyzyjny z ograniczeniami. Formalizm obejmuje model bazowy i rozszerzenia dotyczące alokacji slotów czasowych, współdzielenia korytarzy powietrznych, okien dostępności przestrzeni oraz rekonfiguracji harmonogramu w warunkach zakłóceń. Opracowano algorytmy budowy harmonogramów i lokalnej reoptymalizacji, umożliwiające aktualizację niezrealizowanej części planu. Weryfikację przeprowadzono w środowisku symulacyjnym, analizując scenariusze ograniczonej dostępności zasobów, awarii UAV, anulowania zadań oraz pojawiania się nowych zleceń. Uzyskane wyniki wskazują na możliwość uwzględniania zmiennych ograniczeń operacyjnych i adaptacyjnej rekonfiguracji harmonogramów w analizowanych scenariuszach. Zaproponowane podejście stanowi rozwinięcie technologii ALMM w obszarze harmonogramowania misji flot UAV.Dynamic scheduling of mission tasks for unmanned aerial vehicle (UAV) fleets requires accounting for changing airspace availability, operational resources, and disruptions affecting mission execution. This dissertation proposes a cascading formalism based on Algebraic-Logical Meta-Modeling (ALMM), representing scheduling as a discrete, multistage decision process subject to constraints. The formalism comprises a baseline model and extensions addressing time-slot allocation, shared air corridors, airspace availability windows, and schedule reconfiguration in response to disruptions. Algorithms for schedule construction and local reoptimization were developed to update the unexecuted portion of a plan. The approach was evaluated through simulations involving limited resource availability, UAV failures, task cancellations, and the arrival of new requests. The results indicate that the proposed approach can account for changing operational constraints and support adaptive schedule reconfiguration in the analyzed scenarios. The proposed framework extends the application of ALMM to mission scheduling for UAV fleets.